ChatGPT參數(shù)規(guī)模被扒：只有7B
你不Open，有人幫你Open
夢(mèng)晨 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI
ChatGPT慘遭攻擊，參數(shù)規(guī)模終于被扒出來(lái)了——
很可能只有7B（70億）。
消息來(lái)自南加州大學(xué)最新研究，他們使用一種攻擊方法，花費(fèi)不到1000美元就把最新版gpt-3.5-turbo模型的機(jī)密給挖了出來(lái)。
果然，OpenAI不Open，自有別人幫他們Open。
具體來(lái)說(shuō)，南加大團(tuán)隊(duì)三位作者破解出了未公布的gpt-3.5-turbo嵌入向量維度（embedding size）為4096或4608。
而幾乎所有已知的開源大模型如Llama和Mistral，嵌入向量維度4096的時(shí)候都是約7B參數(shù)規(guī)模。
其它比例的話就會(huì)造成網(wǎng)絡(luò)過(guò)寬或過(guò)窄，已被證明對(duì)模型性能不利。
因此南加大團(tuán)隊(duì)指出，可以推測(cè)gpt-3.5-turbo的參數(shù)規(guī)模也在7B左右，除非是MoE架構(gòu)可能不同。
數(shù)月前，曾有微軟CODEFUSION論文意外泄露當(dāng)時(shí)GPT-3.5模型參數(shù)為20B，在后續(xù)論文版本中又刪除了這一信息。
當(dāng)時(shí)引起了一陣軒然大波，業(yè)界很多人分析并非不可能，先訓(xùn)練一個(gè)真正的千億參數(shù)大模型，再通過(guò)種種手段壓縮、蒸餾出小模型，并保留大模型的能力。
而現(xiàn)在的7B，不知道是從一開始20B的消息就不準(zhǔn)確，還是后來(lái)又再次壓縮了。
但無(wú)論是哪一種，都證明OpenAI有很恐怖的模型優(yōu)化能力。
撬開ChatGPT的保護(hù)殼
那么，南加大團(tuán)隊(duì)是怎么扒出ChatGPT未公開配置的呢？
還要說(shuō)到現(xiàn)代語(yǔ)言模型中普遍存在的”Softmax瓶頸”。
當(dāng)Transformer網(wǎng)絡(luò)處理完輸入，會(huì)得到一個(gè)低維的特征向量，也就是Embedding。這個(gè)特征向量再經(jīng)過(guò)Softmax變換，就得到了最后的概率分布輸出。
問(wèn)題就出在Softmax這里，因?yàn)榫仃嚨闹茸疃嘀荒艿扔谔卣飨蛄康木S度，所以大模型的輸出空間事實(shí)上被限制在了一個(gè)低維的線性子空間里。
這就像是無(wú)論你的衣柜里有多少件衣服，最后能穿出去的搭配，其實(shí)是有限的。這個(gè)”衣柜”的大小，就取決于你的”特征向量維度”有多大。
南加大團(tuán)隊(duì)抓住了這一點(diǎn)，他們發(fā)現(xiàn)，只要從API調(diào)用中獲取到足夠多的輸出樣本，就足以拼湊出這個(gè)大模型的”特征向量維度”。
有了這個(gè)特征向量維度，可以進(jìn)一步推斷大模型的參數(shù)規(guī)模、還原出完整的概率輸出，在API悄悄更新時(shí)也能發(fā)現(xiàn)變化，甚至根據(jù)輸出判斷來(lái)自哪個(gè)大模型。
更狠的是，推測(cè)特征向量維度并不需要太多的樣本。
以O(shè)penAI的gpt-3.5-turbo為例，采集到4000多個(gè)樣本就綽綽有余了，花費(fèi)還不到1000美元。
在論文的最后，團(tuán)隊(duì)還探討了目前的幾個(gè)應(yīng)對(duì)這種攻擊的方法，認(rèn)為這些方法要么消除了大模型的實(shí)用性，要么實(shí)施起來(lái)成本高昂。
不過(guò)他們倒也不認(rèn)為這種攻擊不能有效防護(hù)是個(gè)壞事，
一方面無(wú)法用此方法完整竊取模型參數(shù)，破壞性有限。
另一方面允許大模型API用戶自己檢測(cè)模型何時(shí)發(fā)生變更，有助于大模型供應(yīng)商和客戶之間建立信任，并促使大模型公司提供更高的透明度。
這是一個(gè)feature，不是一個(gè)bug。
論文：https://arxiv.org/abs/2403.09539
參考鏈接：https://x.com/TheXeophon/status/1768659520627097648
